Idealnya untuk komputasi deep learning enaknya menggunakan GPU terbaik sekencang mungkin, dan sebanyak mungkin. Solusinya antara lain adalah DGX-1 seharga USD 129000,- buatan Nvidia berikut ini.
Namun pada tulisan ini saya ingin mencoba membuat rancangan workstation dengan menggunakan komponen yang dijual di toko komputer online di Indonesia.
Kebutuhan/ Requirement:
- Multi GPU, kalau bisa sebanyak mungkin GPU dalam 1 workstation. Setiap GPU juga mesti mendapat kanal PCIe yang cukup, minimal 8 lane, kalau bisa 16. Jadi tidak bisa pakai mainboard yang hanya punya beberapa kanal PCIe 1x
- GPU pakai yang paling cepat saat ini: GTX 1080 Ti. GPU ini ukurannya besar, sehingga memakan 2 slot PCI yang bersebelahan. Titan X memorinya lebih besar, namun harganya beda jauh dengan GTX 1080 Ti. Vendor GPU bisa mana saja, tapi kalau bisa cari yang clocknya paling tinggi dan kipasnya banyak / kuat.
- CPU mesti support banyak PCI lane. Kecepatan CPU kadang-kadang berpengaruh, karena dalam beberapa aplikasi walaupun komputasi banyak di GPU, namun transfer data dan pengolahan data masih menggunakan CPU.
- RAM : ada yang menyarankan RAM 2x memori GPU. Jadi sekitar 11 GB x 4 x 2 = 88 GB. Angka ini mungkin tidak praktis, karena mainboard 'biasa' hanya sampai 64 GB.
- HDD: menggunakan SSD untuk menampung data machine learning, dan HDD magnetic untuk menyimpan data lain yang tidak terlalu kritis
- Power supply mesti cukup untuk mainboard + 4 GPU
- Komponen tersedia di toko online Indonesia, tidak usah impor khusus
- Mainboard dengan socket LGA 2011-v3 supaya mendukung banyak PCI lanes (40) . Kandidat: ASUS X99E WS https://www.asus.com/Motherboards/X99E_WS/ posisi PCIe socket sudah dirancang untuk 4 GPU.
- Prosesor i7-4820K https://ark.intel.com/products/77781/Intel-Core-i7-4820K-Processor-10M-Cache-up-to-3_90-GHz
- Power Supply : TDP CPU sekitar 130 W, setiap GPU perlu 180 W, total 850 W. Untuk amannya pakai power supply 1200 W -> ini PSU dengan ukuran terbesar yang dijual online.
- RAM: pakai 8GB x 8 keping, merek apa saja
- SSD: 1 TB, mengingat kebanyakan dataset ukurannya tidak sampai 1 TB
- HDD: 8 TB, mengingat ini ukuran HDD terbesar yang dijual di pasaran
- Casing: pakai apa saja
- Perhitungan belum termasuk aksesoris seperti monitor, keyboard, mouse, UPS, sistem operasi dan sebagainya
 |
| Mainboard ASUS X99E WS |
Update 2018
- di tahun 2018 socket LGA2011-v3 sudah ada penerusnya, yaitu LGA2066 dengan PCIe lanes sebanyak 44 (Core i9) atau 48 (Xeon).
- Mainboard dengan socket LGA2066 di antaranya Asus X299 SAGE
- Prosesor yang cocok di antaranya Intel Core i9-7900X
 |
| Mainboard ASUS WS X299 SAGE |
GPU GTX 1080 Ti papan atas, harganya juga premium (sekitar Rp 14 juta):
 |
| Asus GTX 1080 Ti |
 |
| Zotac GTX 1080 Ti |
 |
| Power Supply 1200 watt |
Perhitungan Biaya
| Item | Type | Qty | Price | Subtotal |
| Mainboard | Asus X99-E WS | 1 | 8870000 | 8870000 |
| CPU | i7 -5930K | 1 | 8400000 | 8400000 |
| GPU | GTX 1080 Ti | 4 | 14000000 | 56000000 |
| PSU | Cooler Master Vanguard 1200W | 1 | 4040000 | 4040000 |
| RAM | 8GB | 8 | 900000 | 7200000 |
| SSD | 1 TB | 1 | 4000000 | 4000000 |
| HDD | 8 TB | 1 | 5000000 | 5000000 |
| Casing | 1 | 1500000 | 1500000 | |
| TOTAL | 95010000 |
Referensi
- http://timdettmers.com/2017/04/09/which-gpu-for-deep-learning/
- https://www.analyticsvidhya.com/blog/2016/11/building-a-machine-learning-deep-learning-workstation-for-under-5000/
- https://developer.nvidia.com/devbox
- https://pcpartpicker.com/user/badmephisto/saved/#view=mM3J7P
- http://graphific.github.io/posts/building-a-deep-learning-dream-machine/
- https://www.oreilly.com/learning/build-a-super-fast-deep-learning-machine-for-under-1000
- https://www.zotac.com/id/product/graphics_card/zotac-geforce-gtx-1080-ti-amp-extreme
- https://www.asus.com/us/Graphics-Cards/ROG-STRIX-GTX1080TI-O11G-GAMING/
- http://www.coolermaster.com/powersupply/enthusiast-v-series/v1200/
- https://sagitta.pw/hardware/gpu-compute-nodes/brutalis/
Tidak ada komentar:
Posting Komentar